[发明专利]基于元认知模糊神经网络的有源电力滤波器反演控制方法

摘要

本发明公开了一种基于元认知模糊神经网络的有源电力滤波器反演控制方法，包括以下过程：S1，建立有源电力滤波器动力学方程，S2，设计控制律为：其中为利用元认知模糊神经网络逼近系统未知f(x)获得的估计值。本发明引入元认知方法对模糊神经网络结构进行在线调整，根据跟踪误差设计规则增加、参数更新和规则删减算法动态调整模糊神经网络结构，能够提高有源电力滤波器系统在存在参数摄动和外界干扰情况下的补偿电流跟踪性能和系统鲁棒性。

主权项

1.基于元认知模糊神经网络的有源电力滤波器反演控制方法，其特征是，包括以下过程：S1，建立有源电力滤波器动力学方程为：其中，z₁为i₁、i₂或i₃，z₂为或f(x)为或B为或u表示控制律，h_k为有界的集总不确定，v₁,v₂,v₃为公共连接点处电压，i₁,i₂,i₃为滤波器输出补偿电流，v_dc为直流侧电容电压，L_c为交流侧电感，R_c为交流侧等效电阻；L_c1、R_c1分别为系统参数L_c、R_c的标称值；S2，设计控制律，以控制有源电力滤波器；设计控制律为：其中，为未知部分f(x)的估计值，Y_d为指令电流，K为正常数，sgn(e)为符号函数，c₁为非零正常数，c₂为大于零的正常数，跟踪误差e₁＝z₁‑Y_d，e₂＝z₂‑α₁，为利用元认知模糊神经网络逼近f(x)获得的估计值，元认知模糊神经网络的为实时权值，为元认知模糊神经网络中规则层的输出，T表示转置。